Analyse statistique : Tests disponibles et comment les réaliser

Lorsque cela est possible, les conseils d’analyse de Graphing recommandent le test le plus approprié en fonction de vos données - en exécutant en arrière-plan des vérifications de normalité et d’égalité des variances afin que vous n’ayez pas à les rechercher ou à demander à un expert. Si vous choisissez un test différent, BioRender expliquera le compromis afin que vous puissiez réaliser les analyses de manière cohérente, à chaque fois.

Table des matières

• Comment fonctionnent les conseils d’analyse
• Tests t
• ANOVA à un facteur
• ANOVA à deux facteurs
• Tests de comparaisons multiples
• Régressions linéaires
• Régression dose-réponse
• Courbes de croissance
• Analyse de survie
• Régression logistique
• Corrélation

Comment fonctionnent les conseils d’analyse

BioRender exécute automatiquement deux vérifications d’hypothèses pour les tests catégoriels en arrière-plan (tests t et ANOVA) :

Le test recommandé est indiqué par un badge dans le panneau d’analyse. Vous pouvez le remplacer à tout moment - si vous sélectionnez un test qui ne correspond pas aux hypothèses de vos données, BioRender expliquera pourquoi il recommande toujours le test initial afin que vous compreniez le compromis. Certains tests peuvent apparaître grisés si vos données ne remplissent pas les conditions requises - survolez l’infobulle pour comprendre pourquoi.

📌 Note : Ces suggestions sont des lignes directrices. Tenez toujours compte des conventions de votre domaine lors de votre décision finale.

Tests t

Utilisez les tests t pour comparer les différences entre deux groupes. BioRender offre les options suivantes :

• Test t pour échantillons indépendants
• Test t pour échantillons indépendants avec correction de Welch (test t de Welch)
• Test t apparié
• Test U de Mann-Whitney (non paramétrique)
• Test des rangs signés appariés de Wilcoxon (non paramétrique)

Configurer un test t

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Si votre jeu de données comporte deux groupes, un test t sera suggéré. Les statistiques descriptives (moyenne, médiane, écart-type, etc.) sont automatiquement calculées avec chaque test.
3. Utilisez le panneau d’analyse pour sélectionner le test approprié. Le test recommandé est marqué d’un badge - survolez-le pour une explication de sa suggestion.
4. Affinez votre analyse à l’étape 2.
5. Choisissez votre approche de test d’hypothèse (valeur P) à l’étape 3.
6. Cliquez sur Exécuter. Les résultats apparaissent dans le panneau d’analyse et les comparaisons significatives sont automatiquement indiquées sur votre graphique.

ANOVA à un facteur

Utilisez une ANOVA à un facteur pour comparer les différences entre trois groupes ou plus. Options disponibles :

• ANOVA à un facteur
• ANOVA à un facteur de Welch
• Test de Kruskal-Wallis (non paramétrique)

Configurer une ANOVA à un facteur

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Si votre jeu de données comporte trois groupes ou plus, une ANOVA à un facteur sera suggérée. Les statistiques descriptives sont automatiquement fournies avec le résultat de l’analyse.
3. BioRender recommandera un test adapté, marqué avec un badge. Survolez-le pour une explication.
4. Si vous souhaitez changer de test préféré, sélectionnez-le et configurez les paramètres supplémentaires.
5. Affinez votre analyse à l’étape 2.
6. Choisissez les groupes pour votre test de comparaisons multiples à l’étape 3
7. Cliquez sur Exécuter l’analyse.

💡 Astuce : Si le résultat de votre ANOVA est significatif, vous voudrez probablement exécuter un test de comparaisons multiples pour identifier quels groupes spécifiques diffèrent. Voir la section Comparaisons multiples ci-dessous.

ANOVA à deux facteurs

Utilisez une ANOVA à deux facteurs pour analyser l’interaction entre deux variables indépendantes.

Configurer une ANOVA à deux facteurs

1. Sur la page d’édition du graphique, clicquez sur + Exécuter une nouvelle analyse.
2. Sélectionnez ANOVA à deux facteurs dans le menu déroulant du type d’analyse.
3. Sélectionnez les groupes que vous souhaitez comparer (minimum 2 par variable indépendante) et choisissez votre plan expérimental à l’étape 2.
4. Décidez si vous souhaitez exécuter des tests de comparaisons multiples à l’étape 3. Si oui, choisissez les groupes à comparer et sélectionnez votre test post-hoc. BioRender suggère un test approprié en fonction de vos données, marqué d’un badge.
5. Cliquez sur Exécuter l’analyse.

Mesures répétées

Si vos données ont été échantillonnées à plusieurs reprises sur les mêmes sujets (par exemple dans le temps), vous pouvez configurer une ANOVA à mesures répétées avec les étapes suivantes :

1. Sélectionnez « Mesures répétées » à l’étape 2.
2. Sélectionnez votre variable de données contenant des identifiants uniques par sujet comme votre ID Sujet.
   Si vos données ont été formatées pour Prism, l’importation intelligente aura ajouté une variable « réplicats » pour le format des colonnes de réplicats utilisé par Prism, qui peut être utilisée comme variable d’identification des sujets.
3. Si vous exécutez une ANOVA à deux facteurs, indiquez quelle(s) variable(s) changent pour chaque échantillon répété d’un sujet.
4. Si certains sujets ont des données incomplètes, vous pouvez éventuellement ajuster un modèle à effets mixtes en sélectionnant « Analyser les données disponibles » sous l’option Valeurs manquantes.
5. Spécifiez éventuellement si vous souhaitez tenir compte des violations de la sphéricité. « Auto » exécutera le test de Mauchly et appliquera la correction de Greenhouse-Geisser si nécessaire.

Tests de comparaisons multiples

Après un résultat ANOVA significatif, les tests de comparaisons multiples aident à identifier quels groupes spécifiques diffèrent. BioRender suggère un test post-hoc approprié en fonction de vos données et du type de comparaison.

Voici tous les tests de comparaisons multiples proposés :

Pour exécuter un test de comparaisons multiples, cliquez sur cette option à l’étape 3 dans le panneau d’analyse lors de la configuration de votre ANOVA. Choisissez si vous souhaitez comparer tous les groupes entre eux ou par rapport à un groupe contrôle - BioRender suggérera le test approprié en fonction de votre sélection.

Régression linéaire

Utilisez la régression linéaire pour analyser la relation entre deux variables continues.

Configurer une régression linéaire

1. Sur la page d’édition du graphique, clicquez sur + Exécuter une nouvelle analyse.
2. Sélectionnez votre modèle de régression (simple ou avec une variable de regroupement).
3. Décidez si vous souhaitez contraindre l’ordonnée à l’origine à zéro en fonction de votre configuration expérimentale.
4. Cliquez sur Exécuter. La droite de régression la mieux ajustée s’affiche automatiquement sur votre graphique avec les résultats de la régression.

📌 Note : La régression multiple n’est pas encore disponible, mais elle arrive bientôt. Si vous avez une variable catégorielle dans la légende de votre graphique, une régression univariée par groupe sera exécutée automatiquement.

Régression dose-réponse

Également connue sous le nom de courbes dose-réponse, courbes de Hill, équation de Hill ou analyse EC50/IC50. Utilisez-la pour analyser l’effet de doses variables sur une réponse mesurée.

Configurer une régression dose-réponse

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Sélectionnez le type d’expérience : Stimulation ou Inhibition, puis cliquez sur Continuer.
3. Indiquez si vous avez déjà transformé vos valeurs X en logarithme base 10.
4. Décidez si vous souhaitez contraindre la pente de Hill à 1, selon votre configuration expérimentale.
5. Cliquez sur Exécuter. BioRender ajuste automatiquement la courbe la mieux adaptée et l’affiche sur votre graphique.

Ajustement global de courbe

L’ajustement global de courbe vous permet d’ajuster plusieurs jeux de données ensemble, en testant si les courbes dose-réponse partagent la même forme, en comparant les puissances (comme EC50 ou IC50) entre groupes.

Pour comparer la pente de Hill ou EC/IC50 entre groupes :

• Contraignez les paramètres haut et bas à une valeur fixe ou à un ajustement partagé.
• Contraignez la pente de Hill (si vous comparez EC/IC50) ou EC/IC50 (si vous comparez la pente de Hill) à un ajustement partagé.

BioRender ajuste les modèles dose-réponse en partageant tous les paramètres (hypothèse nulle) et avec le paramètre à comparer ajusté par groupe. Ensuite, un test F est effectué pour déterminer s’il faut rejeter l’hypothèse nulle. Les résultats de cette comparaison se trouvent dans la page d’analyse.

Courbes de croissance

BioRender a implémenté une variété de modèles non linéaires courants de croissance, et estimera les paramètres pertinents (par exemple valeur de départ et taux de croissance) à partir de vos données.

Modèles disponibles :

• Croissance exponentielle
  • Modélisation de croissance non contrainte à partir d’entrées en échelle linéaire ou logarithmique.
• Croissance exponentielle avec plateau
  • Utilisée pour modéliser une croissance décélérante vers un plafond, comme dans la modélisation de l’occupation des récepteurs ou la saturation du signal de fluorescence.
• Croissance de Gompertz
  • Une courbe sigmoïde où la croissance s’accélère rapidement puis décélère plus progressivement vers le plafond. Le point d’inflexion se situe à environ 37 % du maximum, courant dans la modélisation de la croissance tumorale et microbienne.
• Croissance logistique
  • Une courbe sigmoïde où la croissance s’accélère depuis la ligne de base puis décélère symétriquement vers un plafond. Le point d’inflexion se situe à 50 % du maximum, courant dans la modélisation de cultures bactériennes de l’inoculation à la phase stationnaire.
• Modèle bêta
  • Croissance qui monte jusqu’à un pic puis décroît, courante dans la cinétique de la réponse immunitaire.

Analyse de survie

Également appelée analyse de durée ou d’histoire d’événements, elle est utilisée pour estimer la probabilité qu’un événement se produise au fil du temps. Les analyses comprennent l’estimation de Kaplan-Meier et la régression des risques proportionnels de Cox.

Configurer une analyse de survie

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Sélectionnez les groupes que vous souhaitez analyser
3. Sélectionnez la ou les méthodes de comparaison que vous souhaitez utiliser
4. Sélectionnez la correction pour comparaisons multiples que vous souhaitez utiliser
5. Choisissez une méthode pour gérer les temps d’événements liés
6. Cliquez sur Exécuter l’analyse. BioRender ajuste le modèle et trace la courbe sur votre graphique.

Régression logistique

Également appelée régression logit. Utilisez cette analyse pour prédire l’issue d’un événement binaire (par exemple vivant/mort, oui/non)

Configurer une régression logistique

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Cliquez sur Exécuter l’analyse. BioRender ajuste le modèle et trace la courbe sur votre graphique.

Corrélation

Utilisez cette analyse pour déterminer comment deux variables sont liées l’une à l’autre. Des valeurs plus élevées pour une variable sont-elles associées à des valeurs plus élevées ou plus faibles de l’autre variable ?

Configurer une analyse de corrélation

1. Sur la page d’édition du graphique, cliquez sur + Exécuter une nouvelle analyse.
2. Sélectionnez si vous souhaitez effectuer une corrélation de Pearson ou de Spearman
3. Cliquez sur Exécuter l’analyse. BioRender calcule la corrélation et trace la droite sur votre graphique.

Résumé

• Tests t – Comparaison de deux groupes
• ANOVA à un facteur – Comparaison de trois groupes ou plus
• ANOVA à deux facteurs – Analyse de l’interaction entre deux variables indépendantes
• Comparaisons multiples – Identification des groupes qui diffèrent après une ANOVA
• Régression linéaire – Évaluation de la relation entre deux variables continues
• Régression dose-réponse – Évaluation des relations dose-réponse
• Analyse de survie – Estimation de la probabilité qu’un événement se produise au fil du temps
• Régression logistique – Prédiction de l’issue d’un événement binaire
• Corrélation – Mesure de la relation entre deux variables